Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Evolutionary algorithms in statistical learning: Automating the optimization procedure
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för matematik och matematisk statistik.
2019 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)Alternativ titel
Evolutionära algoritmer i statistisk inlärning : Automatisering av optimeringsprocessen (Svenska)
Abstract [en]

Scania has been working with statistics for a long time but has invested in becoming a data driven company more recently and uses data science in almost all business functions. The algorithms developed by the data scientists need to be optimized to be fully utilized and traditionally this is a manual and time consuming process. What this thesis investigates is if and how well evolutionary algorithms can be used to automate the optimization process.

The evaluation was done by implementing and analyzing four variations of genetic algorithms with different levels of complexity and tuning parameters. The algorithm subject to optimization was XGBoost, a gradient boosted tree model, applied to data that had previously been modelled in a competition.

The results show that evolutionary algorithms are applicable in finding good models but also emphasizes the importance of proper data preparation.

Abstract [sv]

Scania har länge jobbat med statistik men har på senare år investerat i att bli ett mer datadrivet företag och använder nu data science i nästan alla avdelningar på företaget. De algoritmer som utvecklas av data scientists måste optimeras för att kunna utnyttjas till fullo och detta är traditionellt sett en manuell och tidskrävade process. Detta examensarbete utreder om och hur väl evolutionära algoritmer kan användas för att automatisera optimeringsprocessen.

Utvärderingen gjordes genom att implementera och analysera fyra varianter avgenetiska algoritmer med olika grader av komplexitet och trimningsparameterar. Algoritmen som var målet för optimering var XGBoost, som är en gradient boosted trädbaserad modell. Denna applicerades på data som tidigare hade modellerats i entävling.

Resultatet visar att evolutionära algoritmer är applicerbara i att hitta bra modellermen påvisar även hur fundamentalt det är att arbeta med databearbetning innan modellering.

Ort, förlag, år, upplaga, sidor
2019. , s. 96
Nyckelord [en]
evolutionary algorithms, statistical learning, gradient boosting, automation, artificial intelligence
Nyckelord [sv]
evolutionära algoritmer, statistisk inlärning, gradient boosting, automation, artificiell intelligens
Nationell ämneskategori
Matematik
Identifikatorer
URN: urn:nbn:se:umu:diva-160118OAI: oai:DiVA.org:umu-160118DiVA, id: diva2:1324166
Externt samarbete
Scania CV AB
Utbildningsprogram
Civilingenjörsprogrammet i industriell ekonomi
Handledare
Examinatorer
Tillgänglig från: 2019-06-14 Skapad: 2019-06-13 Senast uppdaterad: 2019-06-14Bibliografiskt granskad

Open Access i DiVA

Sjoblom2019(20898 kB)30 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 20898 kBChecksumma SHA-512
a77c15cfd6b80c26ab02c69f907c8f279bd5481cf8ef5ee4021ea11da11f52d2baa9d3bb9102193e254ab8d1ec775081ce007faf2fb2f60c569b98b4dc2b631d
Typ fulltextMimetyp application/pdf

Av organisationen
Institutionen för matematik och matematisk statistik
Matematik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 30 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 181 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf